Vés enrere Un nou algorisme clínic augmenta la taxa de diagnòstic de les malalties rares

Un nou algorisme clínic augmenta la taxa de diagnòstic de les malalties rares

El diagnòstic de les malalties rares és un desafiament constant al camp de la medicina. L'algorisme ClinPrior va aconseguir una taxa de diagnòstic positiu del 70% en dues malalties rares d'origen neurodegeneratiu, cosa que representa el doble dels casos que es diagnostiquen amb les eines actuals.

12.09.2023

Imatge inicial - Imatge de recurs del banc Pexels

Un equip de recerca liderat per la investigadora principal Aurora Pujol de l'Institut de Recerca Biomèdica de Bellvitge (IDIBELL), on ha participat la UPF i altres institucions estatals, ha creat un nou algorisme anomenat 'ClinPrior' per millorar el diagnòstic en malalties rares d'origen genètic.

La detecció de les malalties rares és un desafiament constant al camp de la medicina, i encara que la seqüenciació de l'exoma complet (WES) i la seqüenciació del genoma complet (WGS) són tècniques molt valuoses, continua sent necessari identificar mètodes més ràpids. La majoria de les eines actuals utilitzen informació fenotípica del pacient per prioritzar dades genòmiques, però sovint es veuen limitades pel coneixement incomplet dels fenotips de gens emmagatzemats a bases de dades biomèdiques i la manca d'avaluació en cohorts de pacients del món real.

L'algorisme ClinPrior aborda aquestes limitacions de manera innovadora. Utilitza les característiques fenotípiques estandarditzades del pacient, basades en l'Ontologia del Fenotip Humà, per classificar variants causals candidates. Posteriorment, a través d'un enfocament de priorització basat en una xarxa d'interaccions proteiques, propaga les dades per identificar les variants amb més possibilitats d'èxit.

En una sèrie prospectiva de 135 famílies afectades per Paraplegia Espàstica Hereditària (HSP) i/o Ataxia Cerebelosa (CA), dues malalties rares d'origen neurodegeneratiu, “ClinPrior va aconseguir una taxa de diagnòstic positiu del 70%, cosa que representa el doble dels casos que es diagnostiquen amb les eines actuals utilitzades als centres de diagnòstic.” segons comenta la Dra. Pujol.

A més del seu impacte directe en el diagnòstic, ClinPrior ha permès als investigadors crear una xarxa d'interaccions específica per als trastorns d'HSP/CA, fet que possibilita diagnòstics futurs i el descobriment de nous gens associats amb aquestes patologies.

En paraules de la Dra. Pujol, "ClinPrior representa un avenç crucial en el diagnòstic genòmic clínic. El seu enfocament en la informació fenotípica estandarditzada i les dades d'interacció proteica no només millora la identificació de casos atípics, sinó que també prediu eficaçment nous gens causants de malalties la relació de les quals amb malaltia humana no existia prèviament. Aquesta eina ens permet reduir els tediosos processos diagnòstics, aquestes odissees diagnòstiques que pateixen les famílies a la recerca d'un nom per a la seva malaltia durant diversos anys, i alhora, augmentar el coneixement científic sobre el funcionament del cervell humà".

 

Aquesta eina ens permet reduir els tediosos processos diagnòstics, aquestes odissees diagnòstiques que pateixen les famílies a la recerca d'un nom per a la seva malaltia durant diversos anys, i alhora, augmentar el coneixement científic sobre el funcionament del cervell humà

 

Segons Luis Alberto Pérez-Jurado, catedràtic de genètica del Departament de Medicina i Ciències de la Vida (MELIS) ​​de la UPF i cap del Servei de Genètica de l'Hospital del Mar, que ha participat a l'adquisició de dades i la supervisió dels resultats de l'estudi afirma que “ClinPrior ja s'està implementant amb èxit per a la reanàlisi de dades genòmiques d'altres pacients no diagnosticats a través del programa URDCat.” Un programa autonòmic per desenvolupar un model de salut per a pacients afectats per Malalties Rares Neurològiques no Diagnosticades.

 

Article de referència:

Schlüter, A., Vélez-Santamaría, V., Verdura, E. et al. ClinPrior: an algorithm for diagnosis and novel gene discovery by network-based prioritization. Genome Med 15, 68 (2023). https://doi.org/10.1186/s13073-023-01214-2